Identification of RFID Tags in FraIdentification of RFID Tags in Framed-Slotted ALOHA with Tag Esmed-Slotted ALOHA with Tag Es

timation and Binary Splittingtimation and Binary Splitting

基于标签估计和二进制分裂帧时隙基于标签估计和二进制分裂帧时隙ALOHAALOHA 算法的算法的 RFIDRFID 标签识别标签识别

•摘要摘要•在在 RFIDRFID 系统里系统里 ,, 标签碰撞问题的解决对快标签碰撞问题的解决对快

速标签识别至关重要速标签识别至关重要 .. 我们提出一个准确的我们提出一个准确的标签估计方法和一个有效的标签反碰撞协标签估计方法和一个有效的标签反碰撞协议议 .. 该算法读取标签所需要的时隙数比二进该算法读取标签所需要的时隙数比二进制树形算法和动态帧时隙算法少制树形算法和动态帧时隙算法少 10-20%.10-20%.提出的算法对不准确的标签估计值有很好提出的算法对不准确的标签估计值有很好的容忍能力。的容忍能力。

• Keywords-anti-collision, collision resoluKeywords-anti-collision, collision resolution, RFID, tag estimation, tag identificattion, RFID, tag estimation, tag identification.ion.

• 1.1. 引言引言• 标签反碰撞协议分为为基于标签反碰撞协议分为为基于 ALOHAALOHA 和基于树形的和基于树形的 .. 基于基于

ALOHAALOHA 的算法有的算法有 ALOHAALOHA 算法、时隙算法、时隙 ALOHAALOHA 算法和帧时算法和帧时隙隙 ALOHAALOHA 算法。参考文献算法。参考文献 [5][6][5][6] 中提出了基于标签估计中提出了基于标签估计的动态帧时隙的动态帧时隙 ALOHAALOHA 算法，但当标签数目比帧长度要大算法，但当标签数目比帧长度要大得多时，阅读器不能准确地估计标签的数目。而且就算帧得多时，阅读器不能准确地估计标签的数目。而且就算帧长度是最佳的，还是会浪费那些空闲的时隙。基于树形算长度是最佳的，还是会浪费那些空闲的时隙。基于树形算法是把碰撞的标签随机分为两组。在参考文献法是把碰撞的标签随机分为两组。在参考文献 [4][4] 里提出里提出了一个算法，通过二进制树形协议决定传输的顺序，然后了一个算法，通过二进制树形协议决定传输的顺序，然后在一下个识别周期使用这个传输顺序。二进制树形协议使在一下个识别周期使用这个传输顺序。二进制树形协议使用的时隙比较多，因为它在识别的早期会发生很多碰撞。用的时隙比较多，因为它在识别的早期会发生很多碰撞。

• 我们提出一个新反碰撞算法——带有标签估计和二进制分我们提出一个新反碰撞算法——带有标签估计和二进制分裂的帧时隙裂的帧时隙 ALOHAALOHA 算法（算法（ EBFSAEBFSA ），通过减少不必要的），通过减少不必要的空闲时隙和碰撞使标签识别时间最小化。本文结构安排如空闲时隙和碰撞使标签识别时间最小化。本文结构安排如下：第二章解释帧时隙下：第二章解释帧时隙 ALOHAALOHA 算法，第三章解释二进制算法，第三章解释二进制树形算法，第四章提出新算法，第五章仿真，第六章总结。树形算法，第四章提出新算法，第五章仿真，第六章总结。

• 2.2. 帧时隙帧时隙 ALOHAALOHA 反碰撞算法反碰撞算法• AA 传统帧时隙传统帧时隙 ALOHAALOHA 算法算法•BB 动态帧时隙动态帧时隙 ALOHAALOHA 算法算法• 3.3. 二进制树形反碰撞算法二进制树形反碰撞算法• AA 二进制树形算法二进制树形算法

• BB 自适应二进制分裂算法（自适应二进制分裂算法（ ABSABS ））• 自适应二进制分裂算法是一个增强的二进制树形自适应二进制分裂算法是一个增强的二进制树形

算法。在二进制树形算法里当标签的计数值为算法。在二进制树形算法里当标签的计数值为 00时，标签发送出它的时，标签发送出它的 IDID ；而自适应二进制分裂算；而自适应二进制分裂算法里有一个进程计数器，当标签的计数值与进程法里有一个进程计数器，当标签的计数值与进程计数器相等时，这些标签就把它的计数器相等时，这些标签就把它的 IDID 发送到阅读发送到阅读器。在识别进程之后，标签的计数器表示它的传器。在识别进程之后，标签的计数器表示它的传输顺序。标签不重启计数器，而在下一个识别周输顺序。标签不重启计数器，而在下一个识别周期里使用这个计数值。自适应二进制分裂算法适期里使用这个计数值。自适应二进制分裂算法适用于多个阅读器多次识别同一区域的标签的情况用于多个阅读器多次识别同一区域的标签的情况下。下。

• 44 。带有标签估计和二进制分裂的帧时隙。带有标签估计和二进制分裂的帧时隙 ALOHAALOHA 算法算法（（ EBFSAEBFSA ））

• 在参考文献在参考文献 [5][5] 里，基于标签估计的动态帧时隙里，基于标签估计的动态帧时隙 ALOHAALOHA算法用碰撞几率来估计标签数目，然后决定下一周期的帧算法用碰撞几率来估计标签数目，然后决定下一周期的帧长度（长度（ LL ）。当帧长度与标签数相等时，帧时隙）。当帧长度与标签数相等时，帧时隙 ALOHAALOHA算法的识别性能最佳。因此，标签数目估计对动态帧时隙算法的识别性能最佳。因此，标签数目估计对动态帧时隙ALOHAALOHA 来说是至关重要的。然而当帧长度比实际标签数来说是至关重要的。然而当帧长度比实际标签数要小得多时，标签数目的估计值和帧长度就变得不正确。要小得多时，标签数目的估计值和帧长度就变得不正确。因此原始帧长度必须根据情况而改变。在二进制树形算法因此原始帧长度必须根据情况而改变。在二进制树形算法里，标签估计不是必需的，全部标签在第一周期里同时把里，标签估计不是必需的，全部标签在第一周期里同时把它们的它们的 IDID 发送出去，然后不管标签的多少只随机分为两发送出去，然后不管标签的多少只随机分为两组，这两组也重复这样的操作。因此二进制树形算法在识组，这两组也重复这样的操作。因此二进制树形算法在识别进程的早期会发生很多碰撞。因此重点是准确地估计出别进程的早期会发生很多碰撞。因此重点是准确地估计出标签数目。 标签数目。

• 我们提出的带有我们提出的带有标签估计和二进标签估计和二进制分裂的帧时隙制分裂的帧时隙ALOHAALOHA 算法（算法（ EEBFSABFSA ）包含两个）包含两个阶段：标签估计阶段：标签估计阶段和识别阶段，阶段和识别阶段，如图如图 44 所示。在所示。在标签估计阶段阅标签估计阶段阅读器估计标签数读器估计标签数目，在识别阶段目，在识别阶段标签在估计的最标签在估计的最佳帧长度是发出佳帧长度是发出它们的它们的 IDID 。。

• AA 估计阶段估计阶段• 在估计阶段标签用帧时隙在估计阶段标签用帧时隙 ALOHAALOHA 算法进行传输，阅读器按式算法进行传输，阅读器按式

（（ 11 ）计算标签碰撞几率。）计算标签碰撞几率。

• 其中其中 nn 是标签数目，是标签数目， LL 是当前帧长度，是当前帧长度， PcollPcoll 、、 Pidle Pidle 和 和 PsucPsuccc 分别表示时隙碰撞几率、空闲几率和成功几率。当计算出的分别表示时隙碰撞几率、空闲几率和成功几率。当计算出的碰撞几率较高时，估计出的标签数目就变得不准确。 碰撞几率较高时，估计出的标签数目就变得不准确。

• 图图 33 为为 nn 与与 PcollPcoll 的关的关系。当碰撞几率高时，系。当碰撞几率高时，估计的标签数目比比碰估计的标签数目比比碰撞几率的变化要大得多。撞几率的变化要大得多。因此在估计阶段新算法因此在估计阶段新算法用固定的帧长度用固定的帧长度 LestLest来估计标签数目。假如来估计标签数目。假如碰撞几率超过上限值，碰撞几率超过上限值，阅读器就按因数阅读器就按因数 fdfd 减减少响应的标签，直到碰少响应的标签，直到碰撞几率低于上限值。所撞几率低于上限值。所以提出的估计方法可以以提出的估计方法可以不依赖于初始帧长度准不依赖于初始帧长度准确地估计出标签数目。确地估计出标签数目。

• BB 识别阶段识别阶段• 每个标签在最佳帧长度每个标签在最佳帧长度 LL 里随机选择一个计数值，然后在每个时隙里随机选择一个计数值，然后在每个时隙

里将它们的计数值减里将它们的计数值减 11 ，当计数值为，当计数值为 00 时，标签就发出它们的时，标签就发出它们的 IDID 。。当碰撞发生时，执行二进制树形算法，碰撞的标签随机选择计数值当碰撞发生时，执行二进制树形算法，碰撞的标签随机选择计数值 00或或 11 ，其它标签计数值加，其它标签计数值加 11 。以图。以图 22 为例，标签为例，标签 11 、、 33 、、 44 在第三在第三个时隙发生碰撞，它们随机选择计数值个时隙发生碰撞，它们随机选择计数值 00 或或 11 ，而标签，而标签 55 的计数值的计数值加加 11 ，标签，标签 44 随机选择到计数值随机选择到计数值 00 ，它在第四个时隙里成功发送出，它在第四个时隙里成功发送出 IIDD ；而标签；而标签 11 、、 33 因为选择了计数值因为选择了计数值 11 ，所以在第五个时隙里再次，所以在第五个时隙里再次发生碰撞，标签发生碰撞，标签 11 选择计数值选择计数值 00 ，标签，标签 33 选择计数值选择计数值 11 ，所以标签，所以标签 11在第在第 66 个时隙成功识别，标签个时隙成功识别，标签 33 在第在第 77 个时隙成功识别，而标签个时隙成功识别，而标签 55在第在第 88 时隙计数值为时隙计数值为 00 ，也成功识别。，也成功识别。

• 55 。仿真结果。仿真结果• 我们通过仿真比较动态帧时隙我们通过仿真比较动态帧时隙 ALOHAALOHA 算法（算法（ DFSADFSA ）、二进制树形）、二进制树形

算法和（算法和（ EBFSAEBFSA ）的性能。）的性能。 DFSADFSA 的初始帧长度设为能估计的初始帧长度设为能估计 nn 个标个标签的最小帧长度签的最小帧长度 (0.2xn)(0.2xn)。在。在 EBFSAEBFSA 里设里设 Lest=64, PcollLest=64, Pcoll ，， th=0.7th=0.7 ，，fd=5,fd=5, 当当 n=1000n=1000 时，估计阶段的重复次数为时，估计阶段的重复次数为 33 。图。图 55 为当为当 n=1000n=1000时用时用 EBFSAEBFSA 算法所需的时隙数。当帧长度大概为算法所需的时隙数。当帧长度大概为 10001000 时，时， EBFSAEBFSA算法的性能最佳。算法的性能最佳。

•但当帧长度不准确时如但当帧长度不准确时如 500~1500500~1500 ，， EBFSEBFSAA 算法的性能也可以接受。图算法的性能也可以接受。图 66 、图、图 88为这为这三个算法所用的总时隙数。三个算法所用的总时隙数。 EBFSAEBFSA 用的时用的时隙最少，分别比隙最少，分别比 DFSADFSA 和二进制树形算法少和二进制树形算法少用用 10%10% 和和 20%20% 。当标签估计准确时，。当标签估计准确时， DFDFSASA 的性能比二进制算法好，而当标签估计的性能比二进制算法好，而当标签估计不准确时，不准确时， DFSADFSA 需要的时隙数急剧增加。需要的时隙数急剧增加。我们提出的我们提出的 EBFSAEBFSA 算法对不准确的标签估算法对不准确的标签估计值有很好的容忍能力。当不准确的标签计值有很好的容忍能力。当不准确的标签数为数为 0.5n0.5n 和和 1.5n1.5n 时，该算法时隙数仅增时，该算法时隙数仅增加了加了 3-5%,3-5%, 而传统帧时隙算法所需的时隙而传统帧时隙算法所需的时隙会随着标签数的增大呈指数增大。会随着标签数的增大呈指数增大。

• 图图 77、图、图 99为这三种算法里的碰撞时隙数。在二进制树形为这三种算法里的碰撞时隙数。在二进制树形算法里因为早期大量的碰撞，总碰撞数也很大，算法里因为早期大量的碰撞，总碰撞数也很大， DFSADFSA 的的碰撞最少，但即使帧长度最佳，还是会出现很多空闲的时碰撞最少，但即使帧长度最佳，还是会出现很多空闲的时隙，这限制了隙，这限制了 DFSADFSA 的性能。的性能。

• 66 。结论。结论•我们提出一个准确可控的标签、帧长度估我们提出一个准确可控的标签、帧长度估

计方法，和一个有效反碰撞算法。该算法计方法，和一个有效反碰撞算法。该算法可以在不清楚初始帧长度的情况下准确地可以在不清楚初始帧长度的情况下准确地估计出标签数目。仿真结果表明我们提出估计出标签数目。仿真结果表明我们提出的的 EBFSAEBFSA 算法消耗的时隙比算法消耗的时隙比 DFSADFSA 算法和算法和二进制树形算法少。另外二进制树形算法少。另外 EBFSAEBFSA 比比 DFSADFSA对不准确标签估计值具备更好的的容忍能对不准确标签估计值具备更好的的容忍能力。力。